單矢量水聽器直方圖測向算法目標探測性能分析?

王 超 王文龍? 袁 猛 張小川 呂 勇

(1 海軍潛艇學院 青島 266199)

(2 青島海洋科學與技術試點國家實驗室 青島 266237)

0 引言

矢量水聽器矢量通道具有與頻率無關的偶極子指向性，同時具有抗各向同性噪聲干擾的能力，單個矢量水聽器即可實現全空間無模糊定向，這為解決水下小平臺搭載聲學傳感器進行目標探測提供了空間上的優勢。近年來，隨著矢量水聽器工藝技術的不斷提高，矢量信號處理技術也在強大的應用需求推動下得到了快速發展，與常規聲壓水聽器相比，矢量水聽器提供了更加全面的聲場信息量，其不僅可以測量聲場標量，還可以得到聲場的矢量特征，極大地拓寬了信號處理的空間[1?9]。

基于單矢量水聽器的目標方位估計算法有很多[10]，但總體上可以根據測向原理分為兩大類：一是基于聲能流的方位估計；二是將矢量水聽器的各通道看作是多元陣列，各陣元在空間近似位于同一位置點，利用單矢量水聽器自身具有陣列流型的特點，將現有的陣列信號處理方法應用于單矢量水聽器。矢量水聽器各種目標測向算法各有優缺點，其中直方圖算法較其他算法具有良好的魯棒性和目標方位估計性能，并具有抑制窄帶和強線譜干擾的能力，特別適于工程應用[11?12]。

本文對基于單矢量水聽器的直方圖測向算法進行了分析和總結，并提出了一種基于目標方位估計的水中目標自主探測與跟蹤算法，利用計算機仿真、消聲水池測量數據和海上試驗數據分析了直方圖算法目標探測性能。

1 理論算法

1.1 直方圖測向算法

直方圖算法需首先計算不同頻點處的目標方位估計值，其計算表達式為[1,12]

式(1)中，θ(f)表示不同頻率f計算得到的目標方位，Pw、Vxw和Vyw分別表示矢量水聽器聲壓P、x方向振速通道和y方向振速通道采集信號頻譜值，Ix和Iy則分別表示x方向和y方向聲能流。由式(1)可以看出，通過式(1)計算出的目標方位與頻率f有關，不同頻點處的目標方位估計值不一樣，通過直方圖估計目標方位的方法可以將環境中存在的窄帶干擾和強線譜干擾抑制，但當環境中存在多目標且輻射噪聲頻率相互重疊的情況下，直方圖方法則無法得到各目標的真實方位，只能獲得各目標聲能流的合成方位，此合成方位會偏向強度較大的目標方位。直方圖方位統計是將目標估計方位θ(f)按頻點數統計在相對應的各個方位區間里，如果按1?劃分方位區間，則有[1]

式(2)中，[ ]表示取整運算，k為θ(f)取整得到的值，如θ(f)0，則θ(f)=θ(f)+360?，使目標估計方位落在區間[0?360?)上，φ為方位估計在各個角度處的頻數，其最大值對應的角度值即為目標估計方位。

1.2 一種目標自主探測跟蹤算法

基于目標方位估計的水中目標自主探測與跟蹤算法其基本思想是通過對直方圖算法估計的目標方位進行統計分析，并利用方位統計值與預設門限進行對比，可最終實現水中目標有無自主檢測和跟蹤。目標自主探測跟蹤流程框圖如圖1所示，其包括以下5個步驟：(1)首先采用單矢量水聽器直方圖算法在整個空間方向上進行掃描，得到接收信號的估計方位角Ag；(2)利用恒虛警檢測器(CA-CFAR檢測器)對步驟(1)得到的目標方位進行恒虛警處理；(3)如CA-CFAR 檢測器判斷Ag 為目標信號方位，則將Ag 值賦給矩陣AgT[i]，否則將?1 賦給矩陣AgT[i] (i= 1,2,···,N)；(4)如矩陣AgT1的值個數大于AT(AT為預設門限閾值，AT

圖1 目標自主探測跟蹤流程框圖Fig.1 The flowchart of target autonomous detection and tracking

圖1中，CA-CFAR 處理的原理是對某一方位目標進行檢測與跟蹤時，由于海洋環境的非平穩性，導致在某一檢測概率附近時，虛警概率不穩定，而通過實時跟蹤環境噪聲的水平以設定時變門限，即可達到對該方位目標虛警概率恒定的檢測效果。一般情況下閾值是檢測概率和虛警概率的函數，CA-CFAR 處理技術是在自動檢測系統中提供檢測閾值，并且使噪聲和干擾對檢測系統虛警概率影響最小化的一種信號處理算法。在CA-CFAR 處理技術中，當特定單元需要檢測時，被檢測的單元稱之為測試單元(Cell under test, CUT)，測試單元周圍用于提取噪聲功率的樣本單元稱之為參考單元(Reference cells, RC)。為避免目標信號泄漏到參考單元中，從而對噪聲功率估計產生不利影響，在參考單元與測試單元之間要保留一部分樣本作為保護單元(Guard cells, GC)。圖2給出了測試單元、參考單元和保護單元之間的關系。

圖2 CA-CFAR 處理示意圖Fig.2 The diagram of CA-CFAR processing

2 目標探測性能分析

本節將給出直方圖算法目標探測性能計算機仿真結果，并利用消聲水池和海上試驗數據分析該算法目標測向和自主跟蹤性能，為簡便起見，本文只對單目標情況進行分析。

2.1 仿真分析

仿真條件如下：考慮1 個寬帶目標信號入射到單矢量水聽器上，入射方位為100?，同頻帶內信噪比(簡稱信噪比(Signal to noise ratio, SNR))取值為?20～16 dB，以2 dB為間隔，附加噪聲為與入射信號不相關的高斯白噪聲，采樣頻率為20 kHz。每次計算過程數據長度為5 s，時間窗內按75%數據重疊率細分為長度為1 s 的17 段數據，并對每段數據進行32768 點快速傅里葉變換(Fast Fourier transform, FFT)計算，處理頻段為200 Hz～3 kHz，求得17 組聲強譜并求平均后采用直方圖算法進行目標方位估計。圖3為使用以上仿真條件直方圖算法方位估計結果隨信噪比變化(即歸一化方位譜隨信噪比變化，方位譜為不同方位上的幅值)，每個信噪比條件下進行200 次蒙特卡羅獨立仿真實驗，可以看出，估計方位歷程隨信噪比增大而漸漸清晰。為定量描述直方圖算法目標方位估計性能，圖4和圖5分別給出了測向誤差和?3 dB 方位譜寬度隨信噪比變化曲線，可以看出，當信噪比為?7 dB 時，測向誤差約為8?，?3 dB 方位譜寬度約為19?；而當信噪比大于0 dB時，測向誤差和?3 dB方位譜寬度則分別小于3?和7?。

圖3 仿真信號估計方位隨信噪比變化歷程圖Fig.3 Bearing recording of simulated signal estimated azimuth with SNR

圖4 測向誤差隨信噪比變化曲線Fig.4 The variation curve of estimation azimuth error with SNR

圖5 ?3 dB 方位譜寬度隨信噪比變化Fig.5 The variation curve of ?3 dB beam width with SNR

圖6為根據第1 節提出的目標自主探測跟蹤算法給出的目標自主跟蹤標志隨信噪比變化曲線，目標跟蹤標志1代表該算法實現目標跟蹤，0為沒有實現目標跟蹤。由圖6可以看出，當信噪比大于?7 dB時直方圖算法即可實現目標自主跟蹤。

2.2 水池測試分析

為掌握單矢量水聽器直方圖算法目標探測性能，在消聲水池進行了單矢量水聽器目標探測性能驗證試驗，試驗過程中用UW350 作為聲源目標，深度位于水下3 m。測試所用信號為信號源輸出的寬帶高斯白噪聲，其輸出峰峰值分別設置為10 mV、20 mV、25 mV、50 mV、100 mV、1 V 和10 V，每種信號發射時長60 s，其中小信號發射聲源級通過公式20 lg(A1/A2)推算獲得，其中A1和A2為信號源設置輸出的峰峰值。由信號發射聲源級則可根據矢量水聽器與聲源間的距離推算得到矢量水聽器各通道接收信號信噪比。表1給出了矢量水聽器各通道接收聲源信號寬帶平均信噪比結果，并給出了不同聲源發射強度下各通道信噪比平均值，可以看出，信號源輸出峰峰值分別為10 mV、20mV、25 mV、50 mV、100 mV、1 V和10 V時，矢量水聽器接收到的聲源信號寬帶平均信噪比分別為?13 dB、?7 dB、?5 dB、1 dB、7 dB、27 dB和47 dB。

表1 矢量水聽器接收聲源信號寬帶平均信噪比結果Table 1 The wideband average SNR of vector hydrophone receiving source signal(單位:dB)

利用直方圖算法分別對7 種信噪比信號進行處理，計算得到的方位估計結果隨時間變化如圖7所示，圖中同時標注出了每個時間段內的信號輸出峰峰值和矢量水聽器接收信噪比。由圖7可以看出，聲源目標估計方位隨接收信噪比增大而逐漸穩定并與真實方位基本重合。圖8和圖9分別給出了直方圖算法對7 種聲源發射信噪比信號方位估計誤差和?3 dB方位譜寬度，可以看出，測向誤差和?3 dB方位譜寬度隨信噪比增大而逐漸減小，其中測向誤差在聲源發射峰峰值10 V 噪聲信號時較峰峰值1 V有增大現象，這是由于聲源發射高聲源級信號時消聲水池在低頻段消聲不完全而存在較強界面反射；當信噪比為?7 dB 時，測向誤差約為8?，?3 dB 方位譜寬度約為23?；而當信噪比大于1 dB 時，測向誤差和?3 dB方位譜寬度則分別小于4?和19?。

圖7 消聲水池不同信噪比信號方位估計結果Fig.7 The estimation azimuth result of anechoic tank data in different SNR

圖8 消聲水池不同信噪比測向誤差Fig.8 The estimation azimuth error for different SNR signals in anechoic tank

圖9 消聲水池不同信噪比?3 dB 方位譜寬度Fig.9 ?3 dB beam width for different SNR signals in anechoic tank

圖10為根據目標自主探測跟蹤算法計算的目標跟蹤標志隨聲源發射信號強度變化曲線，可以看出，當信噪比為?7 dB 時，直方圖算法即可實現對聲源目標自主跟蹤。

圖10 消聲水池不同信噪比信號目標跟蹤標志Fig.10 The target tracking flag for different SNR in anechoic tank

2.3 海上試驗分析

利用2019年8月在南中國海北部海域開展的水下聲學浮標目標探測性能驗證試驗數據[12]，分析單矢量水聽器直方圖算法對海上目標探測性能。試驗海區深度約為1500 m，試驗期間氣象條件較好風速約為2級，船載投棄式溫鹽深儀測量結果顯示，聲速剖面在深度40 m以內是均勻層，深度40～200 m范圍內為聲速主躍變層，聲道軸在1000 m 附近深度上。試驗某天12:33–14:02 時間段內，一艘船長42 m、船寬6 m、航速8.4 kn 的水面航船以301?航向經過水下聲學浮標附近，期間，水面航船與水下聲學浮標距離最近時約2 km，最遠時約13.8 km，態勢圖如圖11所示。圖12給出了直方圖算法計算得到的水面航船目標方位估計結果與真實方位對比圖，可以看出，直方圖算法在整個12:33–14:02時間段內均可實現對水面航船目標的測向跟蹤。

圖11 水下聲學浮標與水面航船位置態勢圖Fig.11 Relative position map of acoustic buoy platform and surface ship

圖12 水面航船噪聲估計方位時間歷程圖Fig.12 The estimation azimuth time recordings of surface ship noise

圖13和圖14分別給出了12:33–14:02時間段內直方圖算法對水面航船目標測向誤差和?3 dB 方位譜寬度隨時間變化曲線，可以看出，測向誤差最優可達5?以內，在距離較近的位置點附近?3 dB方位譜寬度可達10?左右；另外，由于水下聲學浮標水下推算位置存在偏差，從而導致水面航船與浮標平臺距離較近時測向誤差存在增大現象。圖15為目標自主探測跟蹤算法計算的目標跟蹤標志隨時間變化曲線，可以看出，該算法對航速8.4 kn的水面航船在距離13.8 km 范圍內，可實現全程目標自主跟蹤。

圖13 水面航船測向誤差隨時間變化Fig.13 Variations in estimation azimuth error for surface vessel

圖14 水面航船方位估計?3 dB 方位譜寬度隨時間變化Fig.14 Variations in ?3 dB beam width of target estimation azimuth for surface vessel

圖15 水面航船目標跟蹤標志隨時間變化Fig.15 Surface vessel target tracking flag changes over time

3 結論

本文針對單矢量水聽器在水下無人平臺上的工程應用需求，提出了一種水中目標自主探測與跟蹤方法，并利用仿真計算、消聲水池測試和海上試驗分析總結了基于單矢量水聽器的直方圖算法目標探測性能。計算機仿真和消聲水池測試數據結果表明，直方圖算法實現自主跟蹤所要求的信噪比需大于?7 dB，此時測向誤差約為8?，?3 dB 方位譜寬度約為20?。海上試驗數據結果表明，深海良好水文條件下，直方圖算法對航速8.4 kn 的水面航船在距離13.8 km 范圍內，可實現全程目標探測和跟蹤，測向誤差最優可達5?，在距離較近的位置點附近?3 dB方位譜寬度可達10?左右。